基于胶原异三聚体的成骨不全症机理研究

胶原蛋白是细胞外基质的主要成分,由3条链缠绕构成三螺旋.在28种天然胶原中占比最大的是Ⅰ型胶原蛋白,它是由两条a1链与一条a2链构成的异三聚体, a1或a2链中甘氨酸单点突变会导致成骨不全症.基于更接近天然胶原的异三聚体模型(abc), 3条链中分别引入Gly→Ala,构建7种突变体.差示扫描量热结果表明,单点突变体的熔融温度(T_m)值降低15℃,双点及三点突变体未形成三螺旋结构.利用梯阶模型分析分子动力学模拟轨迹,突变点附近梯阶参数值发生变化,表明三螺旋结构局部解折叠.引入弹性函数量化胶原结构变化程度,发现氢键能量与结构形变分数具有高关联性(R²=0.76),表明突变不仅破坏了氢键作用力,也导致了分子的弯曲与运动状态的变化.结合计算与实验,解析了甘氨酸突变对胶原整体结构与运动模式的影响,为进一步揭示甘氨酸突变的致病机理提供了理论基础.     

多源遥感揭示白鹤滩库区五里坡滑坡蓄水期形变演化与复活机制

为揭示水电站蓄水期库岸滑坡形变演变趋势及复活机制，基于白鹤滩库区五里坡滑坡2021年1月—2022年8月共73景Sentinel-1影像，采用SBAS-InSAR技术提取蓄水期二维形变，并使用无人机航测技术对滑坡及次生灾害痕迹进行调查，此外利用GNSS位移实测数据对InSAR形变结果进行对比与补充，综合3种技术结果与库区水位实测数据、地质资料对五里坡滑坡进行精细化分析.结果表明：（1）五里坡滑坡形变与库区蓄水存在强相关性.在蓄水前无明显形变而在蓄水后一个月便发生可见形变，随着水位上涨，坡度方向InSAR形变速率最高达到-153 mm/a，雷达视线方向InSAR最大累积形变量达到121 mm，并表现为由下部形变逐渐带动上部形变的牵引式滑坡特征.结合水位实测数据与GNSS位移监测数据发现滑坡形变与蓄水期水位变化吻合度较高.（2）现场地质调查表明五里坡滑坡为上硬下软的反倾岩质边坡，且坡面岩体风化强烈，下部岩体容易受到库水作用软化发生压缩变形进而导致坡体沿风化层发生牵引式滑动.研究结果可为库岸滑坡蓄水期监测和防治提供科学依据.     

双参数形变量子代数SU_（qs）（2）的相干态及其完备性

给出了双参数形变量子代数ＳＵ＿（ｑｓ）（２）的相干态的明显形式及其完备性的证明，并据此构造了ＳＵ＿（ｑｓ）（２）的ｑｓ－Ｄｙｓｏｎ实现和ｑｓ－Ｈｏｌｓｔｅｉｎ－Ｐｒｉｍａｋｏｆｆ实现。     

青海门源地震震区视向地表形变特征与地震活动趋势

为确定2022年门源Ms6.9地震发生后第一周期内震区断层视向地表形变特征，预测震区地震活动趋势，本文在综合震区地质资料的基础上，利用D-InSAR技术获得门源Ms6.9地震发生后第一周期内视向地表形变图，确定了第一周期内震区断层视向形变特征。结果表明：门源地震发生后震区第一周期内托莱山断裂东段南侧视向地表形变最大形变量为1.5 cm。冷龙岭断裂南侧整体视向形变为抬升，形变最大值为1.8 cm,并具有沿冷龙岭断裂向东滑动的特征。冷龙岭断裂北侧自西向东地表形变表现为抬升，抬升的形变最大值为3.9 cm,这一抬升状态停止于Ms5.2和Ms4.5余震发生位置，地表形变转变为沉降，沉降的形变最大值为-1.8 cm,认为是由于冷龙岭断裂北侧先发生了视向的沉降变形后对滑动前进方向视向抬升变形区域进行挤压，促使其再次产生视向地表抬升形变。综合第一周期内地表形变特征、长时间余震分布情况和冷龙岭断裂运动方向认为，在冷龙岭断裂北侧、肃南—祁连断裂南侧及冷龙岭断裂东部金强河—毛毛山—老虎山断裂等未来发生地震的危险性增加。     

30CrMnSiA薄壁杯形件的强韧化工艺方法

30CrMnSiA薄壁杯形件是广泛应用于谐波减速器柔轮壳体的一类关键基础零部件。文中针对传统采用车削制备的30CrMnSiA薄壁杯形件强韧性不足而导致谐波减速器承载能力较低及寿命较短的问题，提出采用旋压-调质-旋压-时效的形变-热处理工艺来实现30CrMnSiA薄壁杯形件的少、无切削高性能制备；并通过拉伸及冲击实验，对比各工序件的力学性能变化规律，对各工序件的微观组织进行了分析。结果表明：旋压-调质工艺可获得具有较高强度的回火索氏体组织，但是材料的塑性降低；时效处理使旋压成形获得的纤维状微观组织进一步细化，并在铁素体基体上析出均匀弥散分布的细小碳化物；在300℃+6 h时效处理时可同时获得较高的强度和良好的塑性。相比调质后车削成形，采用形变-热处理相结合制备的30CrMnSiA薄壁杯形件的屈服强度和抗拉强度分别提高了93.65%和47.88%，硬度提高了26.87%，冲击强度提高了12.01%，同时还具有较好的塑性，断后伸长率和断面收缩率分别达11.60%和24.64%。采用旋压-调质-旋压-时效的形变-热处理工艺可实现薄壁杯形件的强韧化制造，为高强韧性薄壁杯形件的生产提供一种新的工艺...     

基于Kalman滤波的GB-InSAR时序处理方法

传统的GB-InSAR时序处理方法针对整个数据集或分组进行实时处理，该类方法占用大量的电脑内存，效率低，不能满足边坡监测的时效性，无法实现形变预测与灾害预警预报.针对此种情况，提出了基于Kalman滤波的GB-InSAR边坡形变监测实时处理方法.以河北省迁安市马兰庄铁矿边坡监测为例进行分析，提出方法在实验所用解算平台下，在1 min内可解算出研究区当前时刻形变量，并可以预测下一时刻的形变量，与传统时序InSAR的结果相比，时序形变标准差优于1 mm.